Löschanfrage trifft KI: was geht und was nicht
Chatverlauf, Protokoll und Suchindex lassen sich bereinigen, Modellgewichte nicht. Wer das vorher weiß, antwortet belastbar statt beruhigend.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Die Zusage ist schneller gegeben als geprüft
Eine Anfrage kommt herein, jemand löscht den Chatverlauf, die Bestätigung geht raus. Zwei Wochen später nennt der Assistent dieselbe Person wieder, weil der Suchindex über die Ablage nie neu aufgebaut wurde. Ab diesem Moment steht nicht mehr die ursprüngliche Verarbeitung im Raum, sondern eine unrichtige Auskunft.
Der zweite typische Fall ist die Nachfrage, die man nicht kommen sieht: Wo genau lagen die Daten, was wurde in den Protokollen des Anbieters entfernt, was passiert bei einer Wiederherstellung aus der Sicherung. Wer darauf keine Antwort hat, hat auch die erste Bestätigung nicht belegen können.
Beides kostet mehr als die eigentliche Löschung. Eine ehrliche Teilantwort mit benannten Grenzen ist im Ergebnis besser als eine vollständige Zusage, die einer technischen Prüfung nicht standhält.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Symptom, Ursache, Lösung
Symptom
Der Datensatz ist im Fachverfahren gelöscht, der Assistent nennt die Person aber weiterhin und zitiert aus einer Datei, die es nicht mehr gibt.
Ursache
Der Suchindex über die Ablage wurde nicht neu aufgebaut, und der Abgleich nimmt neue Dateien auf, ohne gelöschte zu entfernen.
Lösung
Stoß einen vollständigen Neuaufbau des Index an und kläre, ob der Abgleich Löschungen überhaupt nachvollzieht. Wenn nicht, brauchst du einen geplanten Neuaufbau als festen Bestandteil des Betriebs.
Symptom
Das Konto der Person ist deaktiviert, ihre Wortbeiträge und Zusammenfassungen liegen aber weiter im Teambereich und tauchen in der Suche auf.
Ursache
Deaktivierung betrifft den Zugang, nicht die Inhalte. Was in gemeinsamen Bereichen liegt, gehört dort weiter zum Bestand.
Lösung
Geh die gemeinsam genutzten Ablagen getrennt durch und lösche gezielt. Nimm den Punkt in den Austrittsablauf auf, sonst wiederholt sich der Fall bei jeder Person, die geht.
Symptom
Die Löschung ist bestätigt, in der Sicherung von letzter Woche taucht der Eintrag beim Rückspielen wieder auf.
Ursache
Sicherungen wurden nicht in die Bearbeitung einbezogen, und es gibt keine Regel, die eine Wiederherstellung gegen gelöschte Datensätze abgleicht.
Lösung
Führe eine dokumentierte Sperrliste, die bei jeder Wiederherstellung angewendet wird, und benenne in der Antwort den Zeitpunkt, ab dem der Zyklus durchgelaufen ist.
Symptom
Der Anbieter bestätigt die Löschung im Konto, in den Nutzungsprotokollen stehen Eingaben mit Klarnamen aber weiter.
Ursache
Protokolle zur Missbrauchserkennung und Fehlersuche laufen getrennt vom Konto und haben eine eigene Aufbewahrung.
Lösung
Frag die Dauer schriftlich ab und nimm sie in die Antwort auf. Klär diesen Punkt künftig vor der Freigabe eines Werkzeugs, nicht erst im Anfragefall.
Symptom
Nach einem Feintuning gibt das Modell gelegentlich Namen und Adressen aus, die aus dem alten Trainingsdatensatz stammen.
Ursache
Der Datensatz enthielt personenbezogene Daten, und die stecken jetzt in den Parametern, wo sie sich nicht gezielt entfernen lassen.
Lösung
Bereinige den Datensatz und trainiere den angepassten Stand neu. Ein Ausgabefilter überdeckt das Problem nur und ist gegenüber der Aufsicht keine Löschung.
Fünf Orte, an denen dieselbe Person auftaucht
- 01 Im Chatverlauf steht der Klartext und lässt sich gezielt entfernen.
- 02 Nutzungsprotokolle enthalten Eingaben und liegen beim Anbieter.
- 03 Der Suchindex kennt Textabschnitte und braucht einen Neuaufbau.
- 04 Sicherungen führen den alten Stand mit, bis der Zyklus durch ist.
- 05 Modellgewichte lassen sich nicht punktuell bereinigen.
Was du nach dieser Seite beantworten kannst
Es geht um die Fähigkeit, eine Anfrage in wenigen Stunden richtig einzuordnen und die Grenzen so zu formulieren, dass sie einer Nachfrage standhalten.
Ablagen auseinanderhalten
Du weißt, dass Chatverlauf, Nutzungsprotokoll, Suchindex und Modellgewichte vier verschiedene Fragen sind, und prüfst sie einzeln statt pauschal.
Index gezielt prüfen
Du testest mit einem Wegwerfdatensatz, ob eine Löschung in der Quelle im Suchindex tatsächlich ankommt, statt es anzunehmen.
Sicherungen sauber behandeln
Du sperrst dokumentiert, statt Sicherungen aufzubrechen, und kannst benennen, ab wann der Stand endgültig verschwunden ist.
Trainingsdaten vorher begrenzen
Du sorgst dafür, dass keine personenbezogenen Daten in Feintuning-Datensätze wandern, weil dort später kein Rückweg existiert.
Frist realistisch steuern
Du stellst die Anbieteranfrage am ersten Tag, weil sie am längsten dauert, und verlängerst rechtzeitig statt nachträglich.
Grenzen belastbar formulieren
Du erklärst die technische Grenze bei Modellgewichten in eigenen Worten, statt eine Vollständigkeit zu behaupten, die nicht existiert.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Vier Ablagen, vier verschiedene Antworten
Die erste Ablage ist der Chatverlauf im Konto. Dort steht der Klartext, dort ist Löschen einfach, und dort schauen die meisten zuerst. Die zweite sind die Nutzungsprotokolle des Anbieters, in denen Eingaben zur Missbrauchserkennung und Fehlersuche für einen bestimmten Zeitraum liegen. Auf die kommst du nicht selbst, dafür brauchst du den Anbieter.
Die dritte ist der Suchindex, den viele Anwendungen über eigene Dokumente aufbauen. Dort liegen Textabschnitte in zerlegter Form, oft zusammen mit einer numerischen Repräsentation. Diese Ablage ist der häufigste blinde Fleck, weil sie in keinem Bedienfeld sichtbar ist. Die vierte sind die Modellgewichte selbst, und dort endet die gezielte Löschung.
Für die Antwort an die betroffene Person heißt das: Erst feststellen, in welchen dieser Ablagen die Daten überhaupt liegen, dann löschen, was zu löschen ist, und die Grenzen benennen statt sie zu verschweigen.
Der Suchindex ist die am häufigsten übersehene Stelle
Wenn eine Anwendung Fragen an eigene Dokumente beantwortet, ist zwischen Quelle und Antwort ein Index gebaut worden. Die Dokumente wurden zerlegt, die Abschnitte abgelegt und durchsuchbar gemacht. Wird nun im Quellsystem eine Akte gelöscht, ändert sich am Index zunächst gar nichts. Die Anwendung liefert weiter Treffer und zitiert weiter aus einer Datei, die es nicht mehr gibt.
Der Abgleich läuft je nach Aufbau nach Zeitplan, ereignisgesteuert oder gar nicht. Wer eine Löschung zusagt, muss deshalb wissen, wann der nächste Abgleich stattfindet und ob er Löschungen überhaupt nachvollzieht oder nur neue Dateien aufnimmt. Viele einfach gebaute Anbindungen tun genau das Letztere.
Praktisch prüfst du das mit einer Stichprobe: einen Testdatensatz anlegen, indexieren lassen, in der Quelle löschen und danach gezielt danach fragen. Wenn die Antwort noch kommt, hast du eine Lücke, die keine Richtlinie schließt.
Protokolle und Sicherungen brauchen eine eigene Antwort
Sicherungen lassen sich in aller Regel nicht punktuell verändern, ohne ihren Zweck zu zerstören. Der übliche Weg ist deshalb nicht das Herausoperieren einzelner Sätze, sondern eine dokumentierte Sperrung: Der Datensatz wird im laufenden Betrieb gelöscht, für die Sicherungen wird festgehalten, dass er bei einer Wiederherstellung nicht zurückkommt, und mit dem Ablauf des Aufbewahrungszyklus verschwindet er endgültig.
Das musst du der betroffenen Person nicht verschweigen. Eine Antwort, die den Zeitraum benennt, nach dem auch die Sicherungen den Stand nicht mehr enthalten, ist belastbarer als eine pauschale Bestätigung, die beim ersten Rückspielen zusammenbricht.
Bei den Nutzungsprotokollen des Anbieters bist du auf dessen Angaben angewiesen. Genau deshalb gehört die Frage nach der Aufbewahrungsdauer in die Prüfung vor der Freigabe und nicht in den Moment, in dem eine Anfrage auf dem Tisch liegt.
Was mit Modellgewichten wirklich passiert
Beim Training werden keine Dokumente abgelegt, sondern Parameter verschoben. Es gibt darin keinen Datensatz, den man aufsuchen und entfernen könnte. Verfahren, die einzelne Trainingsinhalte nachträglich zurücknehmen sollen, sind Gegenstand der Forschung und im Betrieb keine verlässliche Option. Was bleibt, ist ein erneutes Training ohne die betreffenden Daten, und das ist bei zugekauften Modellen ohnehin nicht dein Hebel.
Ausgabefilter sind keine Löschung. Wenn ein System eine Angabe nicht mehr ausspricht, heißt das nicht, dass sie nicht mehr vorhanden ist. Diesen Unterschied musst du in der Antwort an betroffene Personen und gegenüber der Aufsicht sauber halten, sonst behauptest du etwas, das die erste technische Nachfrage kippt.
Daraus folgt die einzige wirklich wirksame Maßnahme, und die liegt vor dem Training: Personenbezogene Daten gehören nicht in Feintuning-Datensätze, jedenfalls nicht ohne Pseudonymisierung und ohne die Bereitschaft, im Zweifel neu zu trainieren. Wer diese Regel setzt, muss die unangenehme Antwort später nie geben.
Der Ablauf, der die Frist hält
Die Frist beträgt einen Monat ab Eingang und lässt sich bei komplexen Anfragen um zwei weitere Monate verlängern, wenn du die betroffene Person innerhalb des ersten Monats darüber unterrichtest und den Grund nennst. Sie läuft auch dann, wenn intern noch niemand weiß, wo überhaupt gesucht werden muss. Deshalb beginnt der Ablauf nicht mit dem Löschen, sondern mit einer Bestandsaufnahme über alle vier Ablagen, und die geht nur schnell, wenn vorher dokumentiert wurde, welches Werkzeug welche Daten wo hält.
Der zweite Zeitfresser ist der Anbieter. Anfragen an den Support zu Protokollen und serverseitigen Beständen brauchen Tage bis Wochen. Wer erst am Ende der Frist fragt, kann sie nicht mehr rechtzeitig verlängern. Setz die Anbieteranfrage deshalb an den Anfang, nicht ans Ende.
Und dokumentiere die Antwort. Was gelöscht wurde, was gesperrt ist, was aus welchem Grund bleibt: Diese drei Zeilen sind im Nachhinein der einzige Beleg dafür, dass die Anfrage überhaupt bearbeitet wurde.
Dazu passende Kurse
Wie sich so ein Ablauf im eigenen Haus aufsetzen lässt, arbeiten Weiterbildungen zu Betroffenenrechten im KI-Betrieb Schritt für Schritt durch.
Für die Dokumentation, die im Nachhinein den Unterschied macht, gibt es Kurse zum Aufbau nachweisbarer KI-Prozesse .
Wie sicher bist du beim Thema wirklich?
Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.
Die Inhalte wurden sehr gut vermittelt und Fragen wurden perfekt beantwortet.
Marco ist ein extrem guter Trainer, der mit seinem Fachwissen zum Thema KI sehr viel Expertise mitbringt.
Seminarleiter war sehr gut vorbereitet, Den Lehrstoff hat er ausführlich und praxisorientiert vorgetragen.
Häufige Fragen
Muss ich einen Chatverlauf löschen, wenn darin nur ein Name vorkommt?
Zählt das Deaktivieren des Verlaufs schon als Löschung?
Was sage ich, wenn aus dem Modell nichts entfernt werden kann?
Wie verhindere ich, dass diese Frage überhaupt auftritt?
Deine Ansprechpartner
Du bist dir nicht sicher, welcher Kurs oder welches Level zu dir passt? Wir beraten dich persönlich und kostenlos.
Yves Hoppe
Weiterbildung & Beratung
Hilft dir, aus dem KI-Programm den passenden Kurs für deinen Stand zu finden.
Norbert Jansen
Beratung & Inhouse
Plant mit dir Inhouse-Trainings, die auf eure Abläufe und euren Datenbestand zugeschnitten sind.
Der Ablauf entscheidet, nicht die Anfrage
In einem Seminar wird aus den vier Ablagen eine Checkliste für das eigene Haus, mit den Zuständigkeiten und den Formulierungen für die Antwort.